基于模糊Petri網(wǎng)的“網(wǎng)–源–儲–車”動態(tài)閾值能量管理策略研究

羅嘉明，高仕斌*，韋曉廣，臧天磊，張敬凱

(1.西南交通大學 電氣工程學院，四川 成都 611756；2.四川大學 電氣工程學院，四川 成都 610065；3.中國鐵路西安局集團有限公司，陜西 西安 710054)

截至2021年底，中國電氣化鐵路總里程已達15萬千米，電氣化率為73.3%，電力機車保有量達1.35萬臺[1]。為降低牽引能耗，響應(yīng)國家“雙碳”戰(zhàn)略，基于功率融通架構(gòu)的軌道交通“網(wǎng)–源–儲–車”協(xié)同供能系統(tǒng)通過可再生能源與再生制動能量的就地消納[2]，實現(xiàn)高效能、高彈性能源自洽[3–4]。作為“網(wǎng)–源–儲–車”協(xié)同供能系統(tǒng)的控制中樞，能量管理系統(tǒng)（energy management system，EMS）需要解決電力系統(tǒng)、牽引供電系統(tǒng)、儲能系統(tǒng)（energy storage system，ESS）及新能源系統(tǒng)在多工況下的能量分配協(xié)同問題[5]，緩解雙向波動性與不確定性對系統(tǒng)的影響。

從現(xiàn)有文獻來看，基于規(guī)則類的EMS系統(tǒng)較為完備，復雜程度較低，具有較高的可行性[6–7]。馬茜等[8]提出一種適用于地面固定式儲能系統(tǒng)的固定閾值能量管理策略，通過設(shè)定充放電功率閾值從而控制儲能系統(tǒng)的工況切換，但受行車組織方式的影響，會造成“削峰填谷”的峰、谷覆蓋面積過低[9–10]及再生制動能量的流失。Gao[11]、Yang[12]等針對城軌儲能系統(tǒng)提出了一種基于電壓穩(wěn)定控制的能量管理策略，以電壓波動量為基本判據(jù)控制能量輸出。但電氣化鐵路牽引功率遠高于城軌鐵路，其網(wǎng)壓波動劇烈，用電壓作為控制變量并不合適[13]。鄧文麗等[14]建立了多閾值能量管理策略，但在列車運行中牽引功率、儲能介質(zhì)荷電狀態(tài)的測量均存在一定誤差[15–16]，且沒有自適應(yīng)效果；諸斐琴[17]、楊浩豐[18]等利用牽引計算預測下一區(qū)間牽引能耗，根據(jù)儲能系統(tǒng)荷電狀態(tài)設(shè)定放電閾值，但該方法計算復雜，難以做到在線優(yōu)化[19]；劉宇嫣等[20]基于模糊控制的EMS系統(tǒng)，將變電站及儲能設(shè)備的電量變化量及儲能設(shè)備的實時電量作為模糊系統(tǒng)的輸入量，從而實時調(diào)整充電與放電閾值。需要注意的是，頻繁的深度充放電過程還會對儲能介質(zhì)使用壽命造成影響[21–22]，而目前已有的自適應(yīng)閾值控制策略并未考慮壽命因素的影響，不利于系統(tǒng)長期經(jīng)濟運行。綜上所述，現(xiàn)有的能量管理策略在應(yīng)用場景、復雜程度、智能程度及考慮因素完備性上難以直接適配“網(wǎng)–源–儲–車”協(xié)同供能系統(tǒng)。

模糊Petri網(wǎng)（fuzzy Petri nets，F(xiàn)PN）是一種融合模糊控制的模型化控制方法，以圖形方式闡述控制流程及判別方法，具有魯棒性強、過程直觀等特點，在控制領(lǐng)域應(yīng)用廣泛[23–24]，可降低功率、壽命及荷電狀態(tài)的量測誤差對能量管理系統(tǒng)的影響，而目前尚未有學者將該方法引入能量管理系統(tǒng)中。基于以上考慮，為提升再生制動能量的利用效率及延長儲能系統(tǒng)的使用壽命，本文提出一種基于模糊Petri網(wǎng)的動態(tài)閾值能量管理策略，該方案能夠根據(jù)外界牽引功率與儲能系統(tǒng)的壽命實時動態(tài)調(diào)整儲能系統(tǒng)放電閾值，降低行車組織安排對儲能系統(tǒng)利用效率的影響，同時，減緩儲能系統(tǒng)的壽命衰減，增加可再生能源利用電度，提升“源–網(wǎng)–儲–車”協(xié)同供能系統(tǒng)的安全、可靠、經(jīng)濟運行能力。

1 “網(wǎng)–源–儲–車”系統(tǒng)基本運行模式

基于功率融通架構(gòu)的軌道交通“網(wǎng)–源–儲–車”協(xié)同供能系統(tǒng)在傳統(tǒng)結(jié)構(gòu)的基礎(chǔ)上增設(shè)功率互聯(lián)設(shè)備、儲能系統(tǒng)及新能源系統(tǒng)，可實現(xiàn)電能跨區(qū)域、跨時間傳輸，基本結(jié)構(gòu)如圖1所示[25]。為實現(xiàn)協(xié)同供能系統(tǒng)的高效運行，需要根據(jù)列車的基本運行工況，設(shè)計不同工況下的能量交互策略及基本工作流程，實現(xiàn)電力系統(tǒng)、牽引供電系統(tǒng)、儲能系統(tǒng)及新能源系統(tǒng)的能源自洽。

圖1 基于功率融通架構(gòu)的“網(wǎng)–源–儲–車”結(jié)構(gòu)[25]Fig. 1 “Grid–source–storage–vehicle” structure based on power integration architecture[25]

1.1 牽引工況能量分配策略

電力機車作為“源–網(wǎng)–儲–車”協(xié)同供能系統(tǒng)的用能主體，需要利用接觸網(wǎng)從外界取能。然而列車牽引功率巨大，僅靠新能源系統(tǒng)及儲能系統(tǒng)完全供給能量需要配置巨大的功率容量，極大增加配置成本[26]。因此，牽引工況下的電能主要由新能源發(fā)電系統(tǒng)、儲能系統(tǒng)及電力系統(tǒng)共同供給。為保障系統(tǒng)的安全運行，需要根據(jù)電量、功率等參數(shù)設(shè)計基本運行約束，則在第k個采樣區(qū)間需要滿足的約束如下：

式中，Ptr與Pre分別為牽引與再生制動功率，Pess為儲能系統(tǒng)功率，Pev為新能源功率，Ppo為牽引供電系統(tǒng)從電力系統(tǒng)取能或能饋功率，Ploss為線路損失功率，Pev_max(t)為t時刻新能源發(fā)電最大功率，Pess_ab_max與Pess_fb_max分別為儲能系統(tǒng)最大儲能和能饋功率，SSOC為儲能系統(tǒng)荷電狀態(tài)，SSOC_MIN與SSOC_MAX分別為SSOC上下閾值，Iess為儲能系統(tǒng)工作電流，Iess_ab_max與Iess_fb_max分別為儲能和能饋電流最大閾值。

為積極發(fā)揮“削峰填谷”的效果，一方面，當牽引功率大于放電閾值Pthr時，儲能系統(tǒng)、新能源系統(tǒng)及電力系統(tǒng)共同輸出有功功率并滿足功率平衡等式，等式如下：

另一方面，若牽引功率未達到放電閾值或儲能系統(tǒng)荷電狀態(tài)越限，此時牽引功率由電力系統(tǒng)單獨供給，新能源發(fā)電能量將由儲能系統(tǒng)進行吸收，功率方程如下：

需要注意的是，為實現(xiàn)功率的可控流動，各DC/DC變換器均采用電壓電流雙環(huán)控制策略，各子系統(tǒng)根據(jù)EMS指導功率及當前直流母線網(wǎng)壓，計算目標電流，輸入雙環(huán)控制系統(tǒng)，從而實現(xiàn)可控功率流動，如圖2所示。

圖2 ESS/EV電壓電流雙環(huán)控制Fig. 2 ESS/EV voltage and current double loop control

圖2中，Uev、Iev分別為光伏發(fā)電系統(tǒng)電壓與電流，IL為電感電流，udc為RPC直流母線電壓，uc、ic分別為RPC控制電壓與電流，ucα、ucβ、icα和icβ分別為正交坐標系下的控制電壓與電流，ucd、ucq、icd和icq分別為dq坐標系下的控制電壓與電流，另外，參考物理量以“*”表示。

1.2 再生制動工況能量分配策略

當電力機車進行再生制動時，其動能將轉(zhuǎn)化為電能，并由受電弓反饋給接觸網(wǎng)。為提升再生制動能量利用效率，將其由儲能系統(tǒng)進行吸收，多余再生制動能量將返送電力系統(tǒng)，功率平衡方程如下：

當儲能系統(tǒng)荷電狀態(tài)達到上閾值時，儲能系統(tǒng)退出工作，新能源系統(tǒng)不再向直流母線饋能，列車再生制動能量全部返送電力系統(tǒng)，功率平衡方程如下：

當供電臂內(nèi)沒有功率需求時（如機車惰行），儲能系統(tǒng)將吸收新能源發(fā)電能量，減少棄光棄風等資源浪費，功率平衡方程如下：

綜上所述，各工況下的功率分配見表1。

表1 多工況功率分配Tab. 1 Multi-condition power distribution

1.3 能量管理系統(tǒng)工作流程

完成制定各工況下的能量分配策略后，完善參數(shù)輸入及后續(xù)數(shù)據(jù)處理環(huán)節(jié)。一方面，為實現(xiàn)放電閾值隨牽引功率及儲能系統(tǒng)壽命動態(tài)調(diào)整的效果，先對數(shù)據(jù)進行定義及處理。當列車運行時，牽引變電所可測得牽引網(wǎng)電壓及電流，得到t時刻的列車牽引功率Ptr(t)或制動功率Pre(t)，進行1階平滑處理如下：

式中，Por為通過測量得到的t時刻的原始列車功率，τ為時間常數(shù)，?t為采樣時間間隔。

另一方面，根據(jù)儲能系統(tǒng)剩余壽命近似經(jīng)驗公式[27]，將不同放電深度下的壽命損失折算到100%放電深度下，從而得到剩余壽命參考值L，即：

式中，Npls(D(t))為t時刻在放電深度D(t)下儲能系統(tǒng)最大循環(huán)壽命，Npls(D100%)為100%放電深度下ESS最大循環(huán)壽命。Npls(D(t))采用4階曲線擬合，如下：

式中，a、b、c、d和e均為擬合參數(shù)。當完成基本參數(shù)的初始化后，各參數(shù)輸入模糊Petri網(wǎng)中，得到t時刻的動態(tài)閾值Pthr(t)；再根據(jù)牽引工況進行功率分配及能量輸出。完成功率分配后，利用雨流計數(shù)法等方式提取放電循環(huán)深度，更新儲能系統(tǒng)壽命及儲能系統(tǒng)SSOC數(shù)值，并開始下一循環(huán)。能量管理流程如圖3所示。

圖3 基于FPN的能量管理系統(tǒng)流程圖Fig. 3 Flow chart of EMS based on FPN

2 基于FPN的ESM動態(tài)閾值調(diào)整模型

FPN是一種融合模糊控制的模型化控制方法。一方面，F(xiàn)PN以圖形方式闡述控制流程及判別方法，使得復雜控制邏輯形象化；另一方面，F(xiàn)PN以模糊控制作為基礎(chǔ)，對降低功率、壽命及荷電狀態(tài)的量測誤差的影響具有積極作用。

2.1 輸入量的模糊化

FPN的輸入、輸出均為模糊量，因此，需要對牽引功率及儲能系統(tǒng)壽命進行模糊化處理。輸入量模糊隸屬函數(shù)μ (L)、μ (P)與輸出量模糊隸屬函數(shù)μ (U)均采用三角隸屬函數(shù)，如圖4所示。牽引功率輸入量P及閾值調(diào)整參數(shù)輸出量U均采用邏輯語言“SS、S、M、L、LL”來表示“非常小、小、中等、大、非常大”，ESS壽命輸入量L采用邏輯語言“S、M、L”表征“小、中、大”，x為三角隸屬函數(shù)特征點，用于調(diào)整函數(shù)覆蓋范圍，隸屬函數(shù)如圖4所示。

圖4 三角模糊隸屬函數(shù)Fig. 4 Triangular fuzzy membership function

作為FPN的輸入，需要將牽引功率映射到[0,1]區(qū)間以便于模糊描述，映射規(guī)則如下：

式中，Pfu為模糊功率參數(shù)，Pup與Pdown分別為功率映射區(qū)間上下界。當?shù)玫絇fu后，還需通過三角隸屬函數(shù)進行運算，得到不同模糊子集的隸屬程度。需要注意的是，儲能系統(tǒng)剩余壽命已在[0,1]區(qū)間，無需進行映射操作。

2.2 FPN的控制模型

FPN擁有多種表示方法[28]，本文采用一個7元數(shù)組進行表示，設(shè)存在m個庫所，n個變遷節(jié)點，o個命題，則FPN表示為：

式中：P為庫所（place）的集合，P={p1,p2,···,pm}，用于表示功率、壽命基本參數(shù)狀態(tài)，用“○”圖形表示，其中包含的節(jié)點數(shù)量為托肯（token），用“●”表示；T為變遷節(jié)點的集合，T={t1,t2,···,tn}，用于表征庫所的狀態(tài)變化，用“|”表示；D為命題集合，D={d1,d2,···,do}，用于反映命題規(guī)則，表征P與T的有向關(guān)系；α為庫所對應(yīng)命題的可信度， β表征庫所節(jié)點和命題之間的對應(yīng)關(guān)系；Th為各變遷節(jié)點的定義閾值，Th=[λ1,λ2,···,λn]，是能否變遷的判別條件；U為規(guī)則置信度矩陣，U=diag(μ1,μ2,···,μn)。

在該模型中，為表征模糊功率、模糊壽命及模糊閾值調(diào)整參數(shù)的對應(yīng)關(guān)系，需要建立基本的模糊規(guī)則，見表2。根據(jù)表2中規(guī)則，若儲能系統(tǒng)壽命的模糊度為S，牽引功率的模糊度為SS，則閾值調(diào)整參數(shù)的的模糊度為SS，其他對應(yīng)關(guān)系可類推。

表2 閾值調(diào)整模糊規(guī)則Tab. 2 Threshold adjustment fuzzy rules

需要注意的是，在FPN的推理環(huán)節(jié)中，各模糊規(guī)則會進行交叉、復合，經(jīng)過多重運算后得到輸出參數(shù)的各模糊子集的權(quán)重值。以模糊壽命庫所{p1,p2,···,p8}到 結(jié)果庫所 {p24,p25,···,p28}的變遷為例，若省去中間推理環(huán)節(jié)，F(xiàn)PN可看作是多條產(chǎn)生式規(guī)則的復合，即：

綜上所述，基于FPN的閾值調(diào)整模型如圖5所示。該模型由4層結(jié)構(gòu)組成，當采集牽引功率與儲能系統(tǒng)壽命后，首先，進行模糊化處理，為 {p1,p2,···,p5}及{p6,p7,p8}兩個模糊壽命庫所賦予初始托肯，各庫所根據(jù)所含托肯數(shù)目及線路變遷閾值自動進行推理，推理結(jié)果存放在中間結(jié)果庫所 {p9,p10,···,p23}中；再通過變遷 {t16,t17,···,t30}對中間推理結(jié)果進行匯總，得到功率調(diào)整參數(shù)U的各模糊子集隸屬函數(shù)的對應(yīng)數(shù)值；最后，通過反模糊化處理得到最終數(shù)值。

圖5 動態(tài)閾值調(diào)整的FPN模型Fig. 5 FPN Model with dynamic threshold adjustment

2.3 FPN的推理

當完成模糊化過程后，系統(tǒng)會賦予模糊功率庫所初始托肯數(shù)值M0，即：

根據(jù)表2所羅列的閾值調(diào)整模糊規(guī)則，從初始輸入量到中間庫所{p9,p10,···,p23}的推理采用如下產(chǎn)生式規(guī)則：

式中，R1?15為初始輸入量到中間庫所的推理規(guī)則，i、j、l均為序號角標。庫所與變遷的對應(yīng)關(guān)系由命題進行表示（如p1對應(yīng)t1），而每一個命題都具有置信度 α，若某變遷的所有前向庫所滿足條件式（15），則代表該變遷可以發(fā)生。

圖6 規(guī)則R1–15的推理圖示Fig. 6 Diagram of reasoning for rules R1–15

式中，R16?30為中間庫所到結(jié)果庫所的推理規(guī)則，i、j、q、l均為序號角標。此時變遷條件與式（15）相同。設(shè)g為變遷序號，當發(fā)生變遷后，變遷會產(chǎn)生新的標志M′′并賦予給后向庫所pl的新托肯值，推理過程如圖7所示。

圖7 規(guī)則R16–30的推理圖示Fig. 7 Diagram of reasoning for rules R16–30

其計算方法如下：

2.4 FPN的結(jié)果輸出

經(jīng)模糊化、推理、合并等步驟后，F(xiàn)PN將功率調(diào)整參數(shù)U的各模糊子集對應(yīng)函數(shù)的數(shù)值以托肯的形式存儲在結(jié)果庫所{p24,p25,···,p28}中。需要注意的是，該托肯表示各模糊子集對調(diào)整參數(shù)U的隸屬程度，仍然屬于模糊量，需要經(jīng)過反模糊化處理才能使用。本文采取加權(quán)平均法進行反模糊化處理，得到閾值調(diào)整參數(shù)U，即：

當?shù)玫絼討B(tài)閾值后，根據(jù)牽引工況或再生制動工況下的能量分配策略，利用電壓電流雙環(huán)控制策略實現(xiàn)功率的可控輸出、輸入。

3 算例分析

為驗證基于FPN的可變閾值控制策略的有效性，將基于實際牽引供電系統(tǒng)數(shù)據(jù)，針對功率輸出特性、儲能系統(tǒng)壽命衰減、充放電特性及運行效率等參數(shù)進行橫向比較，展示該策略的優(yōu)越性。

3.1 仿真條件及參數(shù)

本文以裝配鈦酸鋰電池儲能系統(tǒng)與光伏發(fā)電新能源系統(tǒng)的軌道交通協(xié)同供能系統(tǒng)作為研究對象，以某牽引變電所的實測功率數(shù)據(jù)與典型光伏日發(fā)電曲線為數(shù)據(jù)源，功率如圖8所示，系統(tǒng)其他基本參數(shù)見表3。

表3 系統(tǒng)基本參數(shù)Tab. 3 System basic parameters

圖8 牽引功率與光伏發(fā)電功率曲線Fig. 8 Traction substation power and photovoltaic power generation curve

為了比較不同策略的能量利用效率，定義能量回饋效率ηfe和儲能效率ηab來反映儲能系統(tǒng)在列車牽引條件和再生制動條件下的能量利用水平，如下：

式中，Pfe與Pab分別為ESS的能饋功率與儲能功率，可通過對Pess數(shù)據(jù)進行篩選獲得。

3.2 仿真結(jié)果

1）閾值調(diào)整效果

動態(tài)閾值的調(diào)整主要受外界牽引功率與ESS壽命兩個因素的影響。一方面，由于牽引功率波動劇烈，可通過對放電閾值進行相應(yīng)調(diào)整，從而降低牽引網(wǎng)的功率沖擊及避免頻繁地低功率放電，在較小的時間范圍內(nèi)可以觀測到閾值的動態(tài)調(diào)整過程，該過程如圖9所示。從圖9可看出，隨著牽引功率的波動，功率調(diào)整參數(shù)U經(jīng)過FPN的推理，實現(xiàn)放電閾值在調(diào)整范圍內(nèi)動態(tài)變化。

圖9 牽引網(wǎng)功率與閾值調(diào)整權(quán)重Fig. 9 Traction network power and threshold adjustment weight

另一方面，由于儲能系統(tǒng)在長期運行下存在明顯的壽命衰減，F(xiàn)PN需要對放電閾值進行相應(yīng)抬升從而降低平均放電深度，但由于儲能系統(tǒng)壽命衰減緩慢，在單日的時間尺度下難以觀測到壽命對放電閾值的影響。因此本文將儲能系統(tǒng)壽命衰減速度進行提升以模擬500 d連續(xù)運行所帶來的壽命衰減，結(jié)果如圖10所示。根據(jù)圖10可看出，隨著壽命的快速衰減，閾值調(diào)整權(quán)重逐漸增加，使得放電閾值基準值由6.40 MW逐步提升至8.39 MW以降低儲能系統(tǒng)的放電頻率，從而延長儲能系統(tǒng)壽命。

圖10 ESS壽命與閾值調(diào)整權(quán)重（500倍壽命損失）Fig. 10 ESS lifetime with threshold adjustment weights(500 times lifetime loss)

2）功率輸出特性

為驗證復雜工況下的儲能系統(tǒng)與光伏發(fā)電系統(tǒng)配合的有效性，需要分析在正常壽命衰減速率下的短時功率輸出，結(jié)果如圖11所示。由圖11的儲能系統(tǒng)功率輸出曲線可知，僅當牽引功率大于可變放電閾值時，儲能系統(tǒng)會進行相應(yīng)放電，并與光伏系統(tǒng)進行配合輸出，降低牽引能耗16.514%。當列車處于再生制動狀態(tài)時，儲能系統(tǒng)會積極吸收再生制動能量，利用效率可達58.134%。

圖11 儲能系統(tǒng)與光伏系統(tǒng)功率輸出與荷電狀態(tài)Fig. 11 ESS and photovoltaic system power output and the SOC of ESS

同時，由于動態(tài)閾值的引入，使得更多儲存電能可運用于峰值功率的削減中，牽引網(wǎng)取能功率如圖12所示。由圖12可知，相較于固定閾值策略，基于FPN的可變閾值策略中電力機車經(jīng)由接觸網(wǎng)從電力系統(tǒng)取能的平均功率由3.965 MW下降至3.396 MW，降幅為14.3%。

圖12 牽引網(wǎng)取能功率對比Fig. 12 Comparison of energy-receiving power of traction network

與固定閾值策略相比，基于FPN的可變閾值策略由于采用了更加精準的放電策略，提升了光伏系統(tǒng)的能量利用效率，使得該策略在儲能與能饋效率上具有明顯優(yōu)勢，不同能量管理策略的匯總結(jié)果如表4所示。需要注意的是，由于儲能系統(tǒng)能饋功率仍遠低于峰值牽引功率，僅依靠能量的優(yōu)化分配也不足以降低峰值功率，需要進一步提升儲能系統(tǒng)輸出功率與光伏系統(tǒng)裝機容量。

表4 不同能量管理策略結(jié)果對比Tab. 4 Comparison of results of different energy management strategies

儲能系統(tǒng)在運行中需要削峰填谷及消納可再生能源，但由于儲能系統(tǒng)容量有限，且牽引網(wǎng)功率波動更為劇烈，運行工況更加復雜，因此，基于FPN的可變閾值策略給予削峰填谷功能更高優(yōu)先度，以減少牽引網(wǎng)的功率波動，同時，采取更積極的放電策略，盡可能提升可再生能源利用效率。

3）壽命衰減特性

由于儲能系統(tǒng)壽命存在對放電閾值的長期影響，因此需要從短期和長期兩個尺度對壽命衰減進行分析。以單日壽命衰減為例，由于基于FPN的可變閾值策略采取了更加積極的放電策略，在放電次數(shù)、平均區(qū)間放電深度上均高于固定閾值策略，使得儲能系統(tǒng)能饋效率提升92.02%（圖4），但也相應(yīng)增大了短時壽命損失，相應(yīng)參數(shù)如表5所示。

表5 短期壽命損失參數(shù)Tab. 5 Short term loss of life parameters

從長期時間尺度來看，隨著儲能系統(tǒng)壽命的衰減，F(xiàn)PN網(wǎng)絡(luò)會相應(yīng)提升動態(tài)放電閾值以延長儲能系統(tǒng)壽命，其長期壽命損失如圖13所示。

由圖13可知，隨著放電次數(shù)增加，基于FPN的可變閾值策略的壽命衰減速度逐步減緩。該策略通過提升放電閾值降低單位采樣區(qū)間的平均放電深度，達到延長儲能系統(tǒng)壽命的效果。

圖13 儲能系統(tǒng)壽命衰減Fig. 13 Energy storage system life decay

放電深度如圖14所示。圖14中，ave1為基于可變閾值策略的單位采樣區(qū)間平均放電深度，ave2為基于固定閾值策略的單位采樣區(qū)間平均放電深度。相較于固定閾值策略，基于FPN的可變閾值策略的平均放電深度有所降低。

圖14 平均放電深度Fig. 14 Average depth of discharge

表6為長期壽命損失仿真結(jié)果匯總，結(jié)果顯示，經(jīng)過500 d模擬放電后，基于固定閾值方案的ESS壽命損失是基于FPN動態(tài)閾值策略的137.86%，基于FPN的動態(tài)閾值策略有效降低了壽命損失。

表6 長期壽命損失參數(shù)Tab. 6 Long term loss of life parameters

4 結(jié) 論

本文提出了一種基于FPN的“網(wǎng)–源–儲–車”動態(tài)閾值能量管理策略，在基本運行策略的基礎(chǔ)上，該能量管理策略以牽引功率與儲能系統(tǒng)壽命作為基本參數(shù)，經(jīng)過模糊化、FPN推理、合并結(jié)果、反模糊化操作后，實現(xiàn)閾值的動態(tài)調(diào)整，并通過數(shù)值仿真對該策略進行驗證，其主要結(jié)論如下：

1）該策略可以提升儲能系統(tǒng)與光伏系統(tǒng)的調(diào)度積極性，有效提升儲能系統(tǒng)儲能與能饋效率，同時降低棄光現(xiàn)象的發(fā)生。

2）該策略能根據(jù)牽引功率實現(xiàn)儲存電能的優(yōu)化分配，降低電力機車經(jīng)由牽引網(wǎng)從電力系統(tǒng)取能的平均功率。

3）該策略能夠根據(jù)壽命衰減逐步提升動態(tài)放電閾值，降低平均放電深度，從而有效延長儲能系統(tǒng)使用壽命。

然而，該策略主要平抑牽引負荷波動，僅將新能源發(fā)電系統(tǒng)作為儲能系統(tǒng)的能量補充，從而造成一定的能量損失，因此，下一步研究還可考慮如何平抑源–荷雙向波動性，提高可再生能源利用率；同時，由于該策略依賴當前狀態(tài)下的系統(tǒng)功率參數(shù)，可結(jié)合各類列車功率預測算法[29]，提升FPN系統(tǒng)的響應(yīng)速度與準確性；此外，該策略還可適應(yīng)不同架構(gòu)的“網(wǎng)–源–儲–車”協(xié)同供能系統(tǒng)，通過修改變換器控制系統(tǒng)，可適用于多種應(yīng)用場景。